dc.contributor.advisor | Κούτρας, Μάρκος | |
dc.contributor.author | Χασάνης, Παναγιώτης | |
dc.date.accessioned | 2019-05-13T09:31:16Z | |
dc.date.available | 2019-05-13T09:31:16Z | |
dc.date.issued | 2019-01 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/11972 | |
dc.description.abstract | Ο όρος ανίχνευση ασυνήθιστης συμπεριφοράς ή ανωμαλιών χρησιμοποιείται για να περιγράψει τεχνικές με τις οποίες εντοπίζονται αντικείμενα, γεγονότα ή παρατηρήσεις οι οποίες δεν ακολουθούν τους γενικούς κανόνες των δεδομένων που παρατηρούμε και χαρακτηρίζονται ως ανωμαλίες. Οι ανωμαλίες προκύπτουν εξαιτίας μηχανικών βλαβών, αλλαγές στη συμπεριφορά του συστήματος, δόλια συμπεριφορά, ανθρώπινο σφάλμα, σφάλμα οργάνου ή απλά μέσω φυσικών αποκλίσεων στους πληθυσμούς. Η έγκαιρη ανίχνευση των ανωμαλιών μπορεί να εντοπίσει τα σφάλματα του συστήματος και την απάτη πριν κλιμακωθούν με δυνητικά καταστροφικές συνέπειες.
Πολλές τεχνικές ανίχνευσης ασυνήθιστης συμπεριφοράς έχουν αναπτυχθεί ειδικά για ορισμένους τομείς εφαρμογής, ενώ άλλες είναι πιο γενικές. Στη παρούσα διπλωματική εργασία προσπαθούμε να παρέχουμε μια δομημένη και ολοκληρωμένη επισκόπηση της έρευνας σχετικά με την ανίχνευση ασυνήθιστης συμπεριφοράς. Για τις διαφορετικές κατηγορίες τεχνικών ανίχνευσης ανωμαλιών παρουσιάζεται η βασική τεχνική και οι παραδοχές, οι οποίες χρησιμοποιούνται για τη διαφοροποίηση μεταξύ κανονικής και ανώμαλης συμπεριφοράς. Επίσης, για κάθε κατηγορία παρουσιάζονται διάφορες μέθοδοι ανίχνευσης ανωμαλιών, οι οποίες στηρίζονται στη αντίστοιχη βασική τεχνική, και προσδιορίζονται τα πλεονεκτήματα και τα μειονεκτήματά τους. Τέλος, γίνεται εφαρμογή και σύγκριση της απόδοσης διάφορων μεθόδων ανίχνευσης ασυνήθιστης συμπεριφοράς. | el |
dc.format.extent | 98 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Ανίχνευση ασυνήθιστης συμπεριφοράς στην εξόρυξη δεδομένων | el |
dc.title.alternative | Anomaly detection in data mining | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης | el |
dc.description.abstractEN | The term outlier or anomaly detection is used to describe techniques that detect objects, events or observations that do not follow the general rules of the data we observe and are characterized as anomalies. Anomalies arise due to mechanical faults, changes in system behavior, fraudulent behavior, human error, instrument error or simply through natural deviations in populations. Their detection can identify system faults and fraud before they escalate with potentially catastrophic consequences.
Many anomaly detection techniques have been specifically developed for certain application domains, while others are more generic. This thesis tries to provide a structured and comprehensive overview of the research on anomaly detection. For each category of anomaly detection techniques, the basic technique and the assumptions used to differentiate between normal and anomaly behavior are presented. In addition, for each category various methods of anomaly detection, which are based on the corresponding basic technique are presented, and their advantages and disadvantages are determined. Finally, various methods are applied, and their performance in detecting anomalies is compared. | el |
dc.contributor.master | Εφαρμοσμένη Στατιστική | el |
dc.subject.keyword | Anomaly detection | el |
dc.subject.keyword | Outlier detection | el |
dc.date.defense | 2019-01-28 | |